Machine Learning vs. Pemrograman Tradisional

Pemrograman tradisional berbeda secara signifikan dari machine learning.Dalam pemrograman tradisional,seorang pemrogram mengkodekan semua aturan dengan berkonsultasi dengan seorang ahli di industri yang perangkat lunaknya sedang dikembangkan.Setiap aturan didasarkan pada landasan logis;mesin akan mengeksekusi output mengikuti pernyataan logis.Ketika sistem tumbuh kompleks,lebih banyak aturan perlu ditulis.Ini dapat dengan cepat menjadi tidak berkelanjutan untuk dipertahankan.

Machine learning bisa mengatasi masalah ini.Mesin mempelajari bagaimana data input dan output berkorelasi dan kemudian menulis aturannya. Pemrogram tidak perlu menulis aturan baru setiap kali ada data baru.Algoritma beradaptasi sebagai respons terhadap data dan pengalaman baru untuk meningkatkan kedetailan dan presisi dari waktu ke waktu.

Bagaimana Machine Learning Bekerja?

Sekarang dalam tutorial dasar-dasar Machine learning kita akan mempelajari cara kerja Machine Learning(ML) :

Machine learning adalah otak tempat semua pembelajaran berlangsung.Cara mesin belajar mirip dengan manusia.Manusia belajar dari pengalaman.Semakin banyak kita tahu,semakin mudah kita memprediksi.Dengan analogi, ketika kita menghadapi situasi yang tidak diketahui, kemungkinan keberhasilannya lebih rendah daripada situasi yang diketahui.Mesin dilatih sama.Untuk membuat prediksi yang akurat,mesin melihat sebuah contoh.Ketika diberikan contoh yang sama kepada mesin, mesin dapat mengetahui hasilnya.Namun,seperti manusia,jika kita menginputkan contoh yang sebelumnya belum pernah dimasukkan, mesin mengalami kesulitan untuk memprediksi.

Tujuan inti dari machine learning adalah pembelajaran dan inferensi.Pertama-tama,mesin belajar melalui penemuan pola.Penemuan ini dibuat berkat data.Salah satu bagian penting dari data scientist adalah memilih dengan cermat data mana yang akan diberikan ke mesin.Daftar atribut yang digunakan untuk memecahkan masalah disebut vektor fitur.Anda dapat menganggap vektor fitur sebagai subset data yang digunakan untuk mengatasi masalah.

Mesin menggunakan beberapa algoritma untuk menyederhanakan inputan dan mengubah penemuan-penemuan baru menjadi model. Oleh karena itu,tahap pembelajaran digunakan untuk mendeskripsikan data dan merangkumnya menjadi sebuah model.

Misalnya,mesin sedang mencoba memahami hubungan antara upah seorang individu dan kemungkinan pergi ke restoran mewah.Ternyata mesin menemukan hubungan positif antara upah dan pergi ke restoran kelas atas: Ini adalah modelnya!

Ketika model dibangun,dimungkinkan untuk menguji seberapa kuatnya pada data yang belum pernah dilihat sebelumnya.Data baru ditransformasikan menjadi vektor fitur,melalui model dan memberikan prediksi.Ini semua adalah bagian dari machine learning. Tidak perlu memperbarui aturan atau melatih lagi modelnya. Anda dapat menggunakan model yang sebelumnya dilatih untuk membuat inferensi pada data baru.

Program Machine Learning sangat mudah dan dapat diringkas dalam poin-poin berikut :

• Tentukan pertanyaan
• Mengumpulkan data
• Visualisasikan data
• Algoritma 
• Uji Algoritma
• Kumpulkan umpan balik
• Perbaiki algoritmanya
• Loop 4-7 sampai hasilnya memuaskan
• Gunakan model untuk membuat prediksi
• Setelah algoritma menjadi baik dalam menarik kesimpulan yang tepat,ia menerapkan pengetahuan itu ke kumpulan data baru.